6、基于强度直方图均衡技术的图像去噪方法用于图像增强

基于强度直方图均衡技术的图像去噪方法用于图像增强

1. 引言

在图像处理应用中，对比度增强技术对于提升图像质量起着至关重要的作用。如今，图像处理广泛应用于数字摄影、遥感、基于LED和LCD显示的图像等多个领域。低质量的图像在进行图像处理操作时难以提供理想的结果，成像设备也是如此。在许多图像和视频应用中，这些设备如同人眼一样，最终决定了视觉质量。通常，人们认为高图像对比度意味着更好的图像质量。因此，图像显示的改进和知识的生成成为进一步提升各种图像开发方法的重点。

原始图像的对比度往往低于理想水平，这是由于光照条件不佳、低质量的廉价成像传感器、用户操作失误以及媒体老化等因素造成的。为了增强人类对图像语义的分析能力和提高感知质量，对比度的改善一直是关注的焦点。总体而言，对比度增强方法大致可分为两类：上下文敏感（逐点运算符）和上下文无关（点运算符）。

在上下文敏感方法中，对比度是通过相邻像素之间的强度变化率来定义的，通过逐像素改变局部波形来提高对比度。而上下文无关的对比度增强方法则不会逐像素改变局部波形，而是采用统计技术，控制输入图像的直方图，将高概率的灰度级与相邻灰度级分开，从而增强任意两个改变后的输入灰度级之间的平均差异。与上下文敏感方法相比，上下文无关方法不会出现振铃伪影，并且能保持不同灰度级的相对顺序。

总变分最小化（TV）技术已成为一种图像去噪方法，它发现了TV最小化问题与二元MRF模型之间的关联，并通过图割算法解决离散情况下的TV最小化问题。图像去噪旨在从有噪声的图像中恢复真实图像，当图像在连续域中描述时，变分方法是解决图像去噪问题的重要手段。例如，Egil Bae等人（2011）提出的欧拉弹性模型是一种高阶模型，可减少图像中所有等值线的曲率，但传统的数值